1.3 数据指标体系的构建及落地流程概括

数据指标体系的构建流程可以概括为4个步骤，分别是指标规划、数据采集和加工、报表呈现以及数据指标体系的应用。这一节将会详细介绍数据指标的构建及落地流程。

1.3.1 数据指标体系的构建流程

数据指标体系的构建流程如图1-13所示。指标规划是构建数据指标体系的第一步，相当于构建整个数据指标体系构建流程的大纲，该阶段的重要内容是构建业务目标和数据字典；有了规划好的指标后，要获取相关的数据就需要通过数据埋点进行采集，在数据埋点过程中要明确字段类型、上报时间、上报方式。通过埋点采集到数据之后，就可以选取多个合适的指标以及相应的维度在BI工具上对数据进行呈现，以形成可以监控业务的数据指标体系。有了基础的报表体系之后，就能通过数据报表来反映业务趋势了，当业务数据出现波动时，数据分析师可以通过指标的上卷和下钻等功能快速排查业务问题。

图1-13 数据指标体系的构建流程

1.指标规划

在指标规划阶段，数据分析师需要根据业务目标拆解并抽象出能够衡量业务现状的关键指标，同时需要确定这些指标的统计口径以构建数据指标字典。如何从业务目标抽象出关键指标，可以参考北极星指标、OSM/GSM模型，同时也可以结合AARRR模型或UJM模型对业务目标进行抽象。这些模型会在后续章节进行详细介绍。

2.数据采集和加工

构建数据指标需要的数据基本来源为数据埋点，可以获取到最小统计维度的明细数据是较为合理的埋点方式。同时，数据分析师还需要确定数据类型及其上报规范，这些因素决定了指标口径是否统一。在埋点正式上线前，数据分析师需要保证埋点采集的数据与规划阶段的数据相一致，以保证该版本的指标建模工作能够顺利进行。

通过数据埋点采集到用户数据之后，对数据进行清洗加工，以获得数据应用层面的数据，这是指标建模的重要步骤之一。只不过这部分工作大多数由数仓工程师负责，这部分数仓工程师也叫ETL工程师。

3.报表呈现

完成数据采集和加工后，就到了数据分析师大显身手的时刻了。数据分析师将根据指标规划阶段提出的方案，利用数仓工程师加工处理好的数据表，选取合适的维度，在BI工具上对相关指标进行计算，把有关联的指标按照一定的逻辑和规则进行组织和展示，最终形成可以监控业务的数据指标体系。

4.数据指标体系的应用

对于某一块业务来说，建立数据指标体系后，整体的业务就得到了监控。当数据发生异动时，数据分析师可以通过数据指标体系快速定位问题。

1.3.2 数据指标体系如何落地

数据指标体系落地涉及多个部门的协同合作，主要流程如图1-14所示。所有与数据指标体系相关的需求都来源于业务，脱离业务的数据指标体系意义不大，所以数据指标体系落地首先是和业务方沟通需求，明确业务方关注的重点；其次，数据分析师需要将业务方关注的点转化为数据需求，同时抽象出具体的指标；接下来就是确定各个指标的统计维度、统计口径，从而建立数据字典，以保证同一指标在公司内部代表的含义是一致的。以上几个步骤是指标规划阶段的主要工作。要实现数据指标体系的构建就必须有数据。而互联网的用户数据基本都是通过埋点获得的，数据仓库工程师通过对原始数据的加工处理，可以给数据分析师提供应用层面的数据以助其对指标进行建模。最后数据分析师基于前期的指标规划以及应用层面的数据完成指标体系的构建，同时在业务方的反馈下不断地迭代数据指标体系。

图1-14 数据指标体系的落地流程